CSV lezen en schrijven zonder velden te verliezen

Je exporteert een bestellijst en iemand noemt een product kaas, jong. Wanneer je iedere regel simpelweg op een komma splitst, krijgt dat ene product opeens twee velden. Een afgesproken tabelformaat moet zulke tekens kunnen bewaren.

Velden zijn meer dan losse stukjes tekst

CSV is tekst met rijen en velden. De gebruikelijke scheiding is een komma, maar een dialect kan andere afspraken gebruiken. Deze les gebruikt het standaarddialect van Pythons module csv; de functies krijgen steeds dat formaat.

Een veld met een komma kan tussen dubbele aanhalingstekens staan. Binnen zo'n veld wordt een letterlijk dubbel aanhalingsteken verdubbeld. Ook een regeleinde kan bij één veld horen: één logische tabelrij hoeft dus niet één fysieke tekstregel te zijn.

plaats,notitie
Duin,"water, graag"
Bos,"zeg ""hoi"""

import csv

with open("stops.csv", encoding="utf-8", newline="") as stream:
    for row in csv.reader(stream):
        print(repr(row))

['plaats', 'notitie']
['Duin', 'water, graag']
['Bos', 'zeg "hoi"']

De reader levert lijsten met strings. De kop wordt door csv.reader gewoon als eerste rij teruggegeven; hij kent de betekenis van plaats niet. Laat de parser de aanhalingstekens verwerken, in plaats van ze achteraf uit de tekst te knippen.

Open het bestand volgens de CSV-afspraak

Gebruik open(..., encoding="utf-8", newline="") en zet het lezen of schrijven binnen with. Met newline="" beheert de CSV-module de regeleinden zelf. Zo voorkom je dat twee lagen tegelijk gaan vertalen, ook wanneer een veld zelf een regeleinde bevat.

Een writer krijgt een reeks velden via writerow en meerdere rijen via writerows. Hij kiest de benodigde aanhalingstekens op basis van de inhoud. Handmatig komma's samenvoegen lijkt korter, maar mist precies de gevallen waarvoor we een formaat gebruiken.

Werken met kopnamen

Bij DictReader bepaalt de eerste rij de sleutels van iedere volgende dictionary. Zo schrijf je row["item"] en hoef je de plek van die kolom niet te onthouden. Een andere kolomvolgorde verandert dan de betekenis van de velden niet.

import csv

with open("stops.csv", "w", encoding="utf-8", newline="") as stream:
    writer = csv.DictWriter(stream, fieldnames=["plaats", "minuten"])
    writer.writeheader()
    writer.writerow({"minuten": "08", "plaats": "Café"})

with open("stops.csv", encoding="utf-8", newline="") as stream:
    row = next(csv.DictReader(stream))
print(row["plaats"], row["minuten"])
print(type(row["minuten"]).__name__)

Café 08
str

Het getalachtige veld blijft een string en behoudt zijn voorloopnul. CSV bewaart op zichzelf geen Python-type-informatie. Wil je rekenen, dan hoort een bewuste omzetting met int bij een volgende verwerkingsstap, samen met een afspraak over ongeldige waarden.

Een DictWriter heeft vooraf fieldnames nodig: die lijst bepaalt de uitvoerkolommen. writeheader() schrijft de kop, ook als er daarna geen gegevensrijen zijn. De volgorde waarin sleutels toevallig in een aangeleverde dictionary staan, bepaalt deze kolommen dus niet.

Veelgemaakte fout

Met split(",") krijgt het gequote product uit het eerste voorbeeld extra velden en blijven aanhalingstekens achter. Zelfs eerst regels splitsen helpt niet bij een regeleinde binnen een veld. Geef de geopende stream direct aan de reader en laat hem de hele structuur volgen.

Leesfuncties laten het invoerbestand ongewijzigd. Schrijffuncties vervangen bestaande inhoud, geven None terug en veranderen de meegegeven rijen niet. De controle leest de uitvoer opnieuw als CSV; geldige aanhalingstekens en regeleinden hoeven niet letterlijk hetzelfde gespeld te zijn als één voorbeeld.

Onthouden

• CSV heeft regels voor scheiding én voor tekens binnen velden.
• Reader en writer werken met strings; typeomzetting is een aparte keuze.
• Kopnamen geven betekenis, terwijl fieldnames de uitvoervolgorde vastlegt.

Hierna bewaren we geneste gegevens en booleans met JSON.